跳到主要内容

每日同步 Arena 公开数据

AI 模型排行榜

从匿名对战投票与真实任务反馈,了解 AI 模型的表现。覆盖文本、编程、视觉、图像和视频 12 个榜单。

最近更新
2026-10-12
上榜模型
712
榜单
12
怎么排的

各榜前三

点任意榜单查看完整排名

Agent

真实任务中的执行、工具使用与用户反馈

1
Claude Opus 5.5 (Max)17.89%±4.24%
2
GPT 6.1 Sol (Max)13.81%±2.34%
3
GPT 6 Sol (Max)12.60%±2.60%
查看完整榜单 · 52 个模型

文本

对话、写作、推理等文字任务

1
gemini-4-argon-high1,525±9
2
claude-opus-5.5-high1,507±8
3
claude-opus-4-6-high1,504±3
查看完整榜单 · 414 个模型

网页开发

从需求到网页的代码生成能力

1
claude-opus-5.5-max1,813+15/-15
2
gpt-6-astra-max1,786+11/-11
3
claude-sonnet-5.5-xhigh1,774+15/-15
查看完整榜单 · 141 个模型

视觉

图片、图表与界面的理解能力

1
claude-fable-5-high1,308±7
2
qwen3.8-max1,301±7
3
claude-opus-4-6-high1,299±6
查看完整榜单 · 165 个模型

文档

长文档阅读、理解与问答

1
claude-opus-5-high1,516±7
2
claude-fable-5.1-max1,513±15
3
claude-opus-4-6-high1,507±6
查看完整榜单 · 44 个模型

搜索

联网检索与信息整合

1
gpt-5.6-sol-xhigh1,257±7
2
claude-opus-4-6-search1,253±5
3
gpt-5.5-search1,242±5
查看完整榜单 · 34 个模型

图生网页

从设计图片生成网页代码

1
claude-opus-5.5-max1,749+30/-30
2
claude-sonnet-5.5-xhigh1,740+20/-20
3
gpt-6-astra-max1,731+13/-13
查看完整榜单 · 63 个模型

文生图

根据文字描述生成图像

1
gpt-image-2.5-sunburst1,425±7
2
gpt-image-2.5-flare1,398±7
3
gpt-image-2 (medium)1,383±4
查看完整榜单 · 82 个模型

图片编辑

按指令调整和修改图片

1
gpt-image-2.5-sunburst1,524±5
2
gpt-image-2.5-flare1,481±5
3
gpt-image-2 (medium)1,462±3
查看完整榜单 · 59 个模型

文生视频

根据文字描述生成视频

1
gemini-omni-1.1-flash1,516±15
2
gemini-omni-flash1,513±9
3
flux-3-video1,493±17
查看完整榜单 · 48 个模型

图生视频

将静态图片转为动态视频

1
minimax-h31,495±5
2
gemini-omni-1.1-flash1,488±11
3
wan3.01,480±11
查看完整榜单 · 48 个模型

视频编辑

按指令修改视频内容

1
wan3.01,414±26
2
dreamina-seedance-2.5-720p1,410±26
3
minimax-h31,392±19
查看完整榜单 · 10 个模型

数据来源:Arena(arena.ai),CC BY 4.0,经万米翻译整理

价格参考 models.dev,单位为美元 / 百万 token,按输入 / 输出展示。厂商图标来自 Lobe Icons。

排名方法

真实偏好,公开数据

大多数榜单来自用户对匿名模型回答的比较。Agent 榜以真实任务中的反馈衡量净提升,用百分比表示。名次、分数和误差均取自 Arena 发布的数据集。

如何阅读分数

条形末端的细线是 95% 置信区间。区间重叠意味着差异仍有不确定性;名次区间按同一期完整分类的置信区间推导,不改变数据集名次。

不同口径,分别比较

文本榜可选择风格校正、原始分与事实性。风格校正减少回答长度和排版的影响。不同子集、场景与推理档位分别展示,不合并排名。

发布与走势

每个榜单标注自己的发布日期。“较上一期”和近 8 期按相同子集、相同分类的发布计算,不跨越 2025-05-16 的计分调整日;缺失期不插值。上榜模型数按当前各榜的模型原名与厂商去重。